蜂窝网无线定位是一种具有广阔市场前景的业务，其基本原理是通过对各种位置特征参数的测量和估计，从而实现对移动台的定位与跟踪。在蜂窝网定位系统中，测量信号通常来自移动台发出的无线电磁波参数，类似场强、入射角、传播时间与传播时间差等，然后结合特定的定位与跟踪算法来处理这些无线电磁波参数，最后计算估计出移动台的位置坐标。在实际蜂窝网的无线通信信道环境中，由于多径多址传播以及非视距传播等干扰因素对定位与跟踪的影响，因此，如何削弱干扰因素的影响成为蜂窝网无线定位与跟踪领域的难题与重点。论文主要针对蜂窝网无线系统中的噪声干扰问题，研究基于TDOA定位技术的定位方法和跟踪方法。首先，论文分析研究了蜂窝网中主要的无线定位技术，选择TDOA技术为研究重点；同时介绍了蜂窝网无线定位系统，其中包括：蜂窝网体系架构与时间参数测量与估计；并介绍了蜂窝网无线定位中常用的几种信道模型、评价定位精度的指标以及影响无线定位精度的主要原因。其次，论文对基于TDOA定位技术的Taylor级数展开算法和Chan算法进行了详细推导与分析，同时结合神经网络在非线性数据处理方面的优势，选取其中结构简单且性能好的Elman神经网络处理带非视距噪声的TDOA测量值，然后结合Chan算法估算得到移动台的状态信息。最后通过仿真，分析、对比Taylor级数展开算法、Chan算法以及基于Elman神经网络的Chan算法之间的定位性能。然后，对于蜂窝网移动台跟踪这种特殊的定位应用场合，论文介绍了几种常见的状态分析理论：卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波和粒子滤波，然后结合蜂窝网环境下最常用的TDOA定位方法，建立了相关合适的状态空间模型以及测量空间模型，且分析了实际蜂窝网环境下的测量噪声密度函数。通过仿真，分析、对比了在蜂窝网TDOA测量环境下，粒子滤波在不同采样方法下的性能比较，以及无迹卡尔曼滤波算法和粒子滤波算法在不同噪声环境下的单位精度比较。最后，论文对蜂窝网定位中尚待解决的问题和值得深入的研究点进行了展望。